MIT OpenCourseWare


11.208 Introducción a la informática en la gestión pública II

Página principal
¿Qué es OCW?
Ayuda
Feedback
Preguntas frecuentes
Glosario
 
 
Página principal del curso
Programa
Calendario
Material de clase
Trabajos
Exámenes
  Otras fuentes
  Prácticas
  Material de estudio

   MIT

   
 

Preparación de mapas eficaces

Thomas H. Grayson
24 de enero de 2002

¿Qué es lo que hace que un mapa sea preciso, claro y persuasivo?

Consideraciones que se deben tener en cuenta a la hora de preparar un mapa
  • Agrupación espacial:
    • determinar el nivel espacial adecuado de visualización (p.ej., estado, condado, distrito, grupo de bloques, ciudad o código postal).
  • Procesamiento de los datos:
    • extracción y ajuste de datos.
    • tratado en las clases de bases de datos y en las del censo.
    • a menudo supone un trabajo importante.
  • Clasificación de los datos:
    • organizar los datos para su visualización.
  • Simbología:
    • decidir cómo representar cada elemento.
  • Otros elementos de un mapa:
    • elementos que facilitan su comprensión y claridad.
Los mapas como herramienta gráfica para mostrar información
  • Los mapas "cuentan una historia".
  • La historia puede variar dependiendo de los elementos enumerados anteriormente.
Procesamiento y normalización de los datos
  • Puede suceder que los datos necesarios no estén disponibles.
  • Las cifras en bruto se han de ajustar en función de las variaciones de:
    • terreno.
    • población total.
    • número total de unidades de vivienda.
    • otros.

    •  
  • Convertir las magnitudes o valores absolutos (contabilizaciones, sumas, etc.) en valores relativos (proporciones, porcentages o medias)
  • .
     
  • Ejemplos:
    Magnitudes Valores relativos
    Población de un distrito censal Población / área del distrito = densidad de población de un distrito censal
    Número de unidades de vivienda de un grupo de bloques Unidades de vivienda / área del grupo de bloques = densidad de viviendas del grupo de bloques
    Vehículos disponibles en un distrito censal Vehículos disponibles / unidades de vivienda habitadas = media de vehículos por unidad de viviendas habitadas

Clasificación de los datos

  • La clasificación es la clave para hacer mapas comprensibles que cualquiera pueda interpretar con facilidad.
     
  • La clasificación puede afectar seriamente a los resultados aparentes.

  •  
  • Guías de clasificación:
    • Importancia política (p.ej., incorporar el umbral de pobreza a un mapa de la renta familiar).
    • Significativo desde el punto de vista científico (p.ej., capacidad de carga).
    • Informativo.

    •  
  • ¿Cuántos tipos?
    • Lo mejor es entre 2 y 5 gamas o intervalos.
    • 5 es lo más habitual.
    • En relación con la simbología (p.ej., color vs. tonalidades de gris).

Métodos de clasificación utilizados por ArcView

Consejo: para ver una explicación de los métodos de clasificación de ArcView, buscar "natural breaks" en el índice de temas de la ayuda en línea. Aparecerá una página que muestra TODOS los métodos de clasificación.
(1) Quantil (Quantile)
  • Asigna (indistintamente) el mismo número de elementos a todas las categorías.
  • Ofrece una imagen equilibrada.
  • Pone valores muy distintos en la misma categoría --ésta puede abarcar extremos y umbrales.
  • Los puntos de división pueden carecer de importancia política o interés científico.
(2) Clasificación de intervalo equitativo (Equal Interval Classification)
  • Realiza la clasificación en función de los valores de los datos de intervalos iguales. (en inglés parece decir esto, pero en los manuales de Arcview que he leído en español lo define de modo distinto, según éstos este método "divide el rango de valores de los atributos en rangos de igual tamaño")
  • Es fácil de entender para el usuario del mapa.
  • Tiende a generar una imagen de desequilibrio en el mapa (puede dar lugar a categorías vacías).
  • Las divisiones pueden carecer de importancia política o interés científico.
(3) Divisiones naturales o inherentes (Natural Break Points)
  • Busca los grupos "inherentes" de los datos: identifica saltos de valor importantes en la secuencia de valores y crea las clases a partir de ellos.
  • Homogeneidad interna de las clases.
(4) Desviación típica (Standard Deviation)
  • desviación de la media.
  • Bastante sólido desde el punto de vista estadístico.
(6) Áreas iguales (Equal Area)
  • Las áreas de los polígonos determinan las divisiones.
     
  • Hay que procurar que el área total de los polígonos en cada clase sea el mismo.
(5) Clasificación definida por el usuario (User-Defined classification)
  • El usuario puede determinar las divisiones con libertad.
  • Es posible hacer unas divisiones significativas.
  • Es más difícil para lector interpretar el mapa.
  • Es más difícil de justificar.

Simbología

  • Tres categorías geométricas de símbolos de mapa:
    • puntos (points): objetos de dimensión cero.
    • líneas (lines): objetos de una dimensión.
    • áreas (areas): objetos de dos dimensiones.
  • Complejidad (factor escala).
    • p.ej. ciudades representadas por puntos en mapas a pequeña escala.

Variables visuales

Descritas por Mark Monmonier en How to Lie with Maps
1ª ed., Chicago: University of Chicago Press, 1991
2ª ed., Chicago: University of Chicago Press, 1991
  • Size (tamaño):
    • radio de un círculo.
    • grosor de una línea.
    • área de una forma.
    • la mejor para describir magnitudes.
  • Shape (forma):
    • útil para mostrar diferencias cualitativas.

    • (p.ej., entre una escuela y una iglesia; entre bosque y agua).
  • Graytone value (tonalidades de grises):
    • útil para describir valores relativos.

    • (porcentaje de renta baja, densidad de población, etc.).
  • Texture (textura):
    • útil para mostrar diferencias, tanto cualitativas como cuantitativas.
    • útil para realizar con facilidad reproducciones de mapas en blanco y negro, aunque normalmente son difíciles de leer e interpretar.
  • Orientation (orientación):
    • útil para mostrar flujos.
    • (p.ej., flujos de migración o de tráfico).
  • Hue/color (tinta/color):
    • útil para mostrar diferencias, tanto cualitativas como cuantitativas.
Reglas generales de simbología
  • La selección de los símbolos se debería basar en:
    • la lógica (orden/secuencia de tamaño, color o tonalidad de gris).
    • percepción/convención habitual.
      • Ejemplo:
        • azul para el agua, verde para las plantas, etc.
    • clarificación visual.
  • Es importante recordar que:
    • utilizar símbolos de puntos graduados indica magnitudes.
    • utilizar tonalidades de grises o colores indica valores relativos.
Agrupaciones de datos
  • Distintas agrupaciones espaciales pueden dar lugar a diferentes patrones.
  • Regla básica:
    • empezar con datos individuales siempre que sea posible.

Otros elementos de un mapa

  • Title (título) y labels (etiquetas):
    • título informativo: preciso y conciso.
    • etiqueta: nombra y resalta los elementos.
  • Scale (escala):
    • elección de las escalas (p.ej. planificación regional vs. diseño de un sitio).
    • diferentes tipos de escalas (la escala gráfica como estrategia para evitar la distorsión).
    • cómo dibujar una barra de escala en MapInfo.
  • North Arrow (flecha de orientación al norte):
    • orientación del mapa.
  • Legend (leyenda):
    • muestra las divisiones de las clases.
    • correspondencia clara y precisa con la simbología.

¿Qué debemos recordar?

  • Tener siempre en mente las reglas básicas de la cartografía.
  • Aprovechar la tecnología informática para explorar los datos y perfilar los mapas.
  • Verificar los resultados o conclusiones mediante un buen conocimiento del sitio y tema en cuestión.
  • Como creadores de mapas, procurar que nuestros mapas no mientan.
  • Como usuarios, no dejar que los mapas que mienten nos engañen.
  • Ser creativos, pero cuidadosos al mismo tiempo.

Estos apuntes son un esquema realizado por Qing Shen para una clase que impartió en el curso 11.208 en enero de 1997. Queremos expresar nuestro agradecimiento a Jennifer Johnson por sus sugerencias acerca de este material.

Massachusetts Institute of Technology © 2003 MIT | Información Jurídica | Privacidad
Todo uso del sitio de MIT OpenCourseWare y sus materiales de curso queda sujeto a las condiciones y términos de uso detallados
en la sección sobre Información Jurídica
Copyright © 2003 Portal Universia S.A. Todos los derechos reservados
(Avda. de Cantabria s/n - Edif. Arrecife, planta 00.28660 Boadilla del Monte) - Madrid. España.
Contacta con nosotros: Usuarios | Empresas-Instituciones-Medios comunicación
Código Ético | Aviso Legal | Política de confidencialidad | Quiénes somos: Sala de Prensa